“样本模型”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果901656个，建议您升级VIP下载更多相关专利

[发明专利]风险样本检测方法、装置、电子设备及存储介质-CN202010413977.1有效
发明人：林建滨 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-05-15 - 公布日： 2020-08-11 - 主分类号： G06K9/62 文献下载
摘要：本说明书实施例提供了一种风险样本检测方法、装置、电子设备及存储介质，通过先基于目标样本数据集，分别训练目标分类模型以及参考分类模型，目标分类模型属于深度学习模型，参考分类模型属于除深度学习模型以外的机器学习模型，然后通过比较目标分类模型以及参考分类模型在目标样本数据集上的分类指标值，识别目标样本数据集中的风险样本。
风险样本检测方法装置电子设备存储介质

[发明专利]NPC控制模型的训练方法、装置及电子设备-CN202110097820.7在审
发明人：王昭蓉;王蒙;陈赢峰;范长杰;胡志鹏 -专利权人：网易(杭州)网络有限公司
申请日： 2021-01-25 - 公布日： 2021-05-14 - 主分类号： A63F13/56 文献下载
摘要：本申请提供了一种NPC控制模型的训练方法、装置及电子设备，方法包括：获取中级NPC控制模型的修正训练样本集；其中，中级NPC控制模型为应用普通训练样本集对初级NPC控制模型训练得到的模型，修正训练样本集中至少部分样本中的决策动作为中级NPC控制模型的修正动作；应用修正训练样本集对中级NPC控制模型进行训练，得到最终的NPC控制模型。本申请中，修正训练样本集中的样本至少部分地包括对中级NPC控制模型的决策动作修正后的修正动作，通过该修正训练样本集训练后的模型，可以克服中级NPC控制模型的决策动作缺陷，提高用户的游戏体验。
npc 控制模型训练方法装置电子设备

[发明专利]一种通用的时序预测方法、装置、设备和存储介质-CN202210399968.0在审
发明人：孟战;昝云飞;徐红;纪传俊;纪达麒;陈运文 -专利权人：达而观科技（北京）有限公司
申请日： 2022-04-15 - 公布日： 2022-07-12 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例公开了一种通用的时序预测方法、装置、电子设备和存储介质，包括：获取样本数据，其中，样本数据的类型包括中长期样本数据或短期样本数据；根据样本数据的类型确定指定融合模型，其中，指定融合模型包括轻量级梯度提升机LGB模型与滑动平均模型的第一融合模型，或者整合移动平均自回归ARIMA模型与滑动平均模型的第二融合模型；将样本数据输入指定融合模型获取时序预测数据。通过样本数据的类型确定指定融合模型，并采用不同的指定融合模型对所适匹配的样本数据进行预测，提高了时序预测的准确性，满足了用户针对不同场景的预测需求。
一种通用时序预测方法装置设备存储介质

[发明专利]一种建立数据识别模型的方法及装置-CN201610110817.3在审
发明人：姜晓燕;杨旭;代斌;褚崴 -专利权人：阿里巴巴集团控股有限公司
申请日： 2016-02-26 - 公布日： 2017-09-05 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种建立数据识别模型的方法及装置，用于根据包括正、负样本的训练样本建立数据识别模型，该方法采用采用训练样本进行逻辑回归训练，得到第一模型；对训练样本按比例采样，获得第一训练样本集；采用训练得到的第一模型对正样本进行识别，从第一模型识别后具有识别结果的正样本中选择出第二训练样本集；采用采样后得到的第一训练样本集与所述第二训练样本集进行深度神经网络DNN训练，得到最终的数据识别模型。本发明的装置包括第一训练模块、采样模块、选择模块和最终模型训练模块。本发明的方法及装置，提高了数据识别模型的稳定性。
一种建立数据识别模型方法装置

[发明专利]模型训练、语义完整性识别方法和装置-CN202010794728.1在审
发明人：夏海兵;佘丽丽;毛宇;林昊;徐伟 -专利权人：招联消费金融有限公司
申请日： 2020-08-10 - 公布日： 2021-01-05 - 主分类号： G06F40/35 文献下载
摘要：本申请涉及一种模型训练、语义完整性识别方法和装置。所述方法包括：获取待识别语句；获取语义完整样本；根据所述语义完整样本，得到语义不完整样本；根据所述语义完整样本和所述语义不完整样本，得到完整性识别模型的模型训练样本；根据所述模型训练样本对所述完整性识别模型进行训练，得到训练后完整性识别模型；所述训练后完整性识别模型用于对待识别语句进行语义完整性识别。采用本方法能够使训练样本中既包含语义完整样本又包含语义不完整样本，训练得到的模型能够结合语义完整特征和语义不完整特征识别语义完整性，可以提高语义完整性识别的准确性。
模型训练语义完整性识别方法装置

[发明专利]模型训练方法、音频评价方法、设备及可读存储介质-CN202111043654.9在审
发明人：江益靓;张欢;姜涛;刘雨鑫;胡鹏 -专利权人：腾讯音乐娱乐科技（深圳）有限公司
申请日： 2021-09-07 - 公布日： 2021-12-03 - 主分类号： G10H1/00 文献下载
摘要：本申请公开了一种模型训练方法、音频处理方法、设备及计算机可读存储介质，该模型训练方法包括：获取训练参考数据和对应的训练样本；训练样本包括正干声样本和负干声样本；将训练参考数据输入初始模型的参考特征提取网络，得到训练参考特征；将正干声样本输入初始模型，得到正样本特征，并将负干声样本输入初始模型，得到负样本特征；利用训练参考特征、正样本特征和负样本特征生成损失值；利用损失值对初始模型进行参数调整，若检测到满足训练完成条件，则将调整后的模型作为音频处理模型；该方法能够提供更加丰富的评价方式，从多个乐理角度进行评价，使得处理参数的可信度好，可靠性高。
模型训练方法音频评价设备可读存储介质

[发明专利]语音分类模型的训练方法、装置、计算机设备及存储介质-CN202011507171.5在审
发明人：付立 -专利权人：京东科技控股股份有限公司
申请日： 2020-12-18 - 公布日： 2021-12-21 - 主分类号： G10L15/06 文献下载
摘要：本申请提出一种语音分类模型的训练方法、装置、计算机设备及存储介质，其中，方法包括：获取多个样本语音数据；对多个样本语音数据进行转换以生成多个样本频谱信息序列；将多个样本频谱信息序列输入至自动语音识别ASR预训练模型，以分别生成与各个样本语音数据对应的样本谐音结果；以及根据多个样本谐音结果对语音分类模型进行训练。由于是根据样本语音数据的样本谐音结果训练语音分类模型，实现仅在小规模训练集上，采用样本谐音结果进行分类训练，以获得语音分类模型，从而降低了语音分类模型训练的标注成本，并且针对不同的语音分类任务，采用相同的模型结构，从而降低了模型的训练成本。
语音分类模型训练方法装置计算机设备存储介质

[发明专利]车辆类型识别方法与训练方法、装置、设备和存储介质-CN202110729581.2在审
发明人：余一宽;甘伟豪 -专利权人：上海商汤智能科技有限公司
申请日： 2021-06-29 - 公布日： 2021-09-24 - 主分类号： G06K9/00 文献下载
摘要：其中，所述方法可以包括：根据训练样本集对第一识别模型进行预训练，得到第二识别模型。所述训练样本集包括多个标注车辆类型信息的第一训练样本。利用所述第二识别模型，在获取的车辆视频流中，确定模型训练贡献度满足预设要求的待标注样本，并对所述待标注样本进行车辆类型标注，得到第二训练样本。所述模型训练贡献度指示训练样本对模型训练的贡献程度。基于所述训练样本集中的第一训练样本与所述第二训练样本，对所述第二识别模型训练，得到第三识别模型。
车辆类型识别方法训练装置设备存储介质

[发明专利]基于强化学习的局部可解释模型-CN202080066799.8在审
发明人：赛尔坎·奥默·阿里克;尹珍圣;托马斯·乔恩·菲斯特 -专利权人：谷歌有限责任公司
申请日： 2020-09-23 - 公布日： 2022-05-10 - 主分类号： G06N3/04 文献下载
摘要：一种用于训练局部可解释模型(190)的方法(300)包括，获得训练样本(130)的集合，以及使用训练样本的集合来训练黑盒模型(120)。该方法还包括，使用经训练的黑盒模型和训练样本的集合来生成辅助训练样本(140)的集合，以及使用辅助训练样本的集合来训练基线可解释模型(150)。该方法还包括，使用辅助训练样本的集合和基线可解释模型来训练实例式权重估计器模型(160)。对于每个辅助训练样本，该方法还包括，使用经训练的实例式权重估计器模型来确定辅助训练样本的选择概率(170)。该方法还包括，基于选择概率来选择辅助训练样本(140S)的子集，以及使用辅助训练样本的子集来训练局部可解释模型。
基于强化学习局部可解释模型

[发明专利]任务处理模型的训练方法、任务处理方法以及装置-CN202210331995.4在审
发明人：周勐;李昕;邴立东 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-03-31 - 公布日： 2022-06-17 - 主分类号： G06F40/284 文献下载
摘要：本说明书实施例提供任务处理模型的训练方法、任务处理方法以及装置，其中任务处理模型的训练方法包括：获取训练样本，其中，训练样本由任务处理模型的待处理任务和样本文本构造获得，训练样本携带样本标签；将训练样本输入任务处理模型，获得训练样本对应的至少两种语种的第一预测类别词；根据至少两种语种的第一预测类别词和样本标签，计算任务处理模型的第一损失值，根据第一损失值调整任务处理模型的模型参数，并返回执行获取训练样本的操作步骤，直至达到训练停止条件，获得训练完成的任务处理模型。如此，能够在少量训练样本的情形下取得较好的训练效果，节省训练成本，提高训练效率。
任务处理模型训练方法以及装置

[发明专利]模型训练方法、数据分类分级方法、装置、设备及介质-CN202310132275.X在审
发明人：廖源;季石磊;冯康康;孟昭慧 -专利权人：北京百度网讯科技有限公司
申请日： 2023-02-17 - 公布日： 2023-05-16 - 主分类号： G06F18/241 文献下载
摘要：本公开提供了模型训练方法、数据分类分级方法、装置、设备及介质，人工智能技术领域，尤其涉及神经网络、大数据、数据安全以及数据分类分级技术领域。具体实现方案为：获取预设训练样本集，预设训练样本包括样本数据对应的样本特征信息，且携带有样本数据对应的样本类别标签，将预设训练样本和所携带的样本类别标签输入至数据分类模型中，数据分类模型包括基于双塔结构的语义匹配模型，用于确定预设训练样本与所携带的样本类别标签的语义相似度，根据数据分类模型的输出确定目标损失关系，并根据目标损失关系对数据分类模型进行训练。通过采用上述技术方案，可降低模型迭代成本，提高训练效率和模型迭代效率。
模型训练方法数据分类分级装置设备介质

[发明专利]图像分类模型的训练、图像分类方法、装置、设备及介质-CN202011035268.0在审
发明人：申世伟 -专利权人：北京达佳互联信息技术有限公司
申请日： 2020-09-27 - 公布日： 2021-01-05 - 主分类号： G06F16/55 文献下载
摘要：本公开关于一种图像分类模型的训练、图像分类方法、装置、设备及介质，其中图像分类模型的训练方法包括：获取样本集；将当前输入样本集输入至当前图像分类模型进行训练，得到与当前图像分类模型对应的当前图像分类模型集；采用当前图像分类模型集对当前输入样本集进行分类识别；根据分类结果对当前输入样本集进行筛选，将分类结果不满足识别要求的样本，作为下一个图像分类模型的输入样本集，直至分类结果满足识别要求为止；将训练完成的各图像分类模型集作为目标图像分类模型本公开可以解决单个图像分类模型只注重对简单样本的特征学习而忽略对困难样本的特征学习的问题，提升了对困难样本的鉴别能力，提高了图像分类模型的准确率。
图像分类模型训练方法装置设备介质

[发明专利]分类模型的训练方法、评论信息的分类方法及装置-CN202010206016.3在审
发明人：刘中伟;张一凡;刘云 -专利权人：京东数字科技控股有限公司
申请日： 2020-03-23 - 公布日： 2020-07-17 - 主分类号： G06F16/35 文献下载
摘要：本发明提供一种分类模型的训练方法、评论信息的分类方法及装置。其中训练过程包括：获取第一评论样本和第二评论样本，其中第一评论样本与第二评论样本中的样本数据一一对应。根据第一评论样本对原始的第一模型进行训练，并根据第二评论样本对原始的第二模型进行训练，分别得到训练后的第一模型和第二模型，将训练后的第一模型和训练后的第二模型进行组合，得到最终的分类模型。该分类模型用于确定评论信息的评论等级。由于上述训练过程采用的训练样本充分考虑了评论信息内在文字之间的联系，为模型训练提供高效的样本数据。构建的分类模型输出评论信息的分类结果更加准确。
分类模型训练方法评论信息装置

[发明专利]文本识别模型的训练方法、装置、电子设备及存储介质-CN202010507328.8在审
发明人：宋凯嵩;康杨杨;张琼;孙常龙;林君 -专利权人：阿里巴巴集团控股有限公司
申请日： 2020-06-05 - 公布日： 2021-12-07 - 主分类号： G06F40/289 文献下载
摘要：本公开实施例公开了一种文本识别模型的训练方法、装置、电子设备及存储介质，所述方法包括：获取样本文本中样本句子的多个样本分词；通过将所述样本分词输入至所述主干模型获取对应于所述样本句子的第一输出结果，以及通过将所述样本分词输入至所述辅助模型获取对应于所述样本分词的第二输出结果；所述第一输出结果至少用于表示所述主干模型所述样本句子是否涉及目标内容，所述第二输出结果至少用于表示所述样本分词是否涉及所述目标内容；利用所述第一输出结果和第二输出结果对所述主干模型和所述辅助模型的模型参数进行调整；所述主干模型和辅助模型共享至少一部分模型参数。该技术方案能够提高文本识别模型的识别能力。
文本识别模型训练方法装置电子设备存储介质

[发明专利]基于进化元学习模型训练的小样本特征分析方法及装置-CN202111520388.4在审
发明人：李书晓;朱承飞;朱晓萌 -专利权人：中国科学院自动化研究所
申请日： 2021-12-13 - 公布日： 2022-04-12 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种基于进化元学习模型训练的小样本特征分析方法、装置、电子设备及存储介质，其中，基于进化元学习模型训练的小样本特征分析方法包括：获取基类样本集合，以及目标样本集合；基于所述基类样本集合，利用第一神经网络模型进行训练，得到预训练参数；基于所述基类样本集合和所述预训练参数，利用进化元学习模型训练方法对第二神经网络模型进行训练，得到通用模型参数，其中，所述第二神经网络模型与所述第一神经网络模型的特征层具有相同的网络结构；基于所述目标样本集合和所述通用模型参数，对所述第二神经网络模型进行调节，得到目标神经网络模型。本方法能够提高小样本条件下小样本特征分析的效果。
基于进化学习模型训练样本特征分析方法装置